DISTRIBUCIONES PARA VARIABLES ALEATORIAS

CONTINUAS

OBJETIVOS

Concepto y aplicacin de la distribucin exponencial

Concepto y aplicacin de la distribucin normal

Concepto y aplicacin de la distribucin normal estandarizada

Aproximacin normal a la binomial

DISTRIBUCIN EXPONENCIAL

La distribucin de Poisson es una distribucin para una variable discreta que

cuenta el nmero de xitos, por unidad de tiempo o por unidad de superficie. La
distribucin exponencial es una distribucin para variables aleatorias continuas,
y mide el tiempo que transcurre entre tales xitos. La distribucin exponencial
estima el lapso de tiempo que transcurre entre xitos.
Si el nmero de xitos sigue una distribucin de Poisson, el lapso entre tales
xitos estar distribuido exponencialmente y la probabilidad que el lapso sea
menor o igual a cierta cantidad t es:

F [T t ] =

Donde:
t es el lapso de tiempo
e es la base de los logaritmos neperianos 2.71828
Es la media, es el promedio de xitos
La forma de una variable aleatoria continua con distribucin exponencial es la
siguiente:(para la funcin de densidad)

Grfico distribucin exponencial

0,1 Media
10
0,08
densidad

0,06

0,04

0,02

0
0 10 20 30 40 50 60

Es decir a medida que aumenta t, la probabilidad decrece.

Se debe tener en cuenta, al igual que en la distribucin de Poisson que

Y se debe ajustar a la unidad de tiempo que se requiera de acuerdo con una

relacin lineal.
El grfico de la funcin acumulativa de probabilidad para la distribucin
exponencial sera el siguiente:

Grfico distribucin exponencial

probabilidad acumulativa

1 Media
10
0,8

0,6

0,4

0,2

0
0 10 20 30 40 50 60

Ejemplo:
Suponga que Transmilenio programa una de sus rutas de acuerdo con una
distribucin de Poisson con una tasa promedio de 12 buses por hora Cul es
la probabilidad que un pasajero tenga que esperar mximo 5 minutos para
tomar el bus?

Solucin:
Suponga que la ruta de bus acaba de partir, situacin extrema, se pregunta por
P [t 5]. Como el promedio es de 12 por hora, y se pide en periodos de 5
minutos, no de hora, se ajusta el periodo de tiempo estableciendo la relacin de
5 con respecto a 60 que sea 1/12, es decir t que es la unidad de tiempo ser
igual a 1/12, por tanto,

P [t 5] =

= = 1- 0.3679

= 0.6312

Lo anterior indica que la probabilidad que el pasajero tenga que esperar

mximo 5 minutos es de 0.6312. Lo anterior indica que es ms probable que
tenga que esperar menos de 5 minutos que ms de 5 minutos.
La funcin de densidad para una variable aleatoria con distribucin
exponencial, viene dada por:
f t e t

donde : promedio de xitos por unidad de tiempo

t = el nmero de unidades de tiempo hasta el prximo xito.

e = es la base de los logaritmos neperianos 2.71828

Para efectos prcticos en el clculo de la probabilidad, se emplea la funcin

acumulativa de probabilidad que es

F( t) = para t > 0

P [Tt] = para t > 0

El valor esperado y la varianza de la distribucin exponencial vienen dados por

E [T] =

V [T] =

Donde es el promedio de xitos por unidad de tiempo.

DISTRIBUCIN NORMAL

La distribucin normal posiblemente es la distribucin ms utilizada y la ms

importante.
Sea X una variable aleatoria continua, si:

Entonces se dice que X est distribuida normalmente con media y desviacin

estndar y se simboliza con:
X~N( , )

Es decir que una distribucin normal est caracterizada por su media , y por
su desviacin estndar .
El siguiente grfico corresponde a una variable X con distribucin normal de
media = 10 y desviacin estndar = 3
 Grfico distribucin normal
0,15 Media,Desv. Tp.
10,3
0,12
densidad

0,09

0,06

0,03

0
0 5 10 15 20

Posee dos caractersticas muy importantes, la primera es que es simtrica

alrededor de la media es decir el rea a la izquierda de la media tiene su
imagen en el rea de la derecha de la media. La segunda es que es asntota al
eje X, es decir que la curva al alejarse hacia la izquierda o hacia la derecha, se
va aproximado al eje X, pero no lo corta.
Como es una funcin de densidad, el rea total es 1, por tanto el rea de la
mitad hacia la izquierda vale 0.5 e igualmente tambin vale 0.5 el rea de la
mitad hacia la derecha.
El inters por supuesto es calcular la probabilidad de un evento, por ejemplo
P [ X1 X X2 ] y esta probabilidad es el rea bajo la curva entre X1 y X2.

Para calcular esta rea, en trminos matemticos se tendra que calcular

mediante

x
2

1
f x dx
x2 x2
x1 x1
2
e 2
dx

Esta integral es relativamente complicada de calcular. Para solucionar esta

situacin, se recurre a la distribucin normal estandarizada.

DISTRIBUCIN NORMAL ESTANDARIZADA

 Grfico distribucin normal estandarizada
0,4 Media,Desv. Tp.
0,1
0,3
densidad

0,2

0,1

0
-5 -4 -3 -2 -1 0 1 2 3 4 5

Corresponde a una variable Z con distribucin normal de media cero y

desviacin estndar uno, Z ~ N (0,1).
Para la distribucin normal estandarizada se tienen calculadas las reas bajo la
curva, correspondiendo estos datos a lo que se acostumbra llamar tabla de
reas bajo la curva normal estandarizada
En la lectura complementaria de la semana 8, se incluye esta tabla, necesaria
para dichos clculos.
En seguida se representa varios ejemplos para aprender a utilizar la tabla de
reas bajo la curva normal estandarizada.
Hay varias presentaciones de la tabla de reas bajo la curva normal
estandarizada, la que se adjunta en la lectura complementaria de la semana 8
corresponde a las reas acumuladas desde menos infinito hasta un punto
determinado es decir que en smbolos quedara P [Z Z0].
La tabla que estamos utilizando tiene una columna titulada Z en esta columna
est el valor de Z que comienza con -3.4 y llega hasta + 3.4. En el encabezado
y a la derecha de este valor de Z hay diez columnas cada una de estas
columnas es el segundo decimal de Z, es decir que los valores de Z estn
compuestos por un entero y dos decimales, uno que acompaa directamente a
Z en su columna y el otro que corresponde al cruce de fila con la columna
correspondiente. En dicho cruce est un nmero de cuatro decimales, que
corresponde a la probabilidad, al rea bajo la curva a la izquierda de Z. Por
ejemplo si se toma un valor de Z= 1.00 entonces se encuentra en el cruce de la
fila 1.0 con la columna 00 un valor igual a 0.8413 que es la probabilidad de
encontrar un Z menor que 1.00.
Z 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09
0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9278 0,9292 0,9306 0,9319

Z 0,00 0,01 0,02

-1,0 0,1587 0,1562 0,1539

En smbolos P [Z1.00] = 0.8413

Entonces la tabla suministra el rea, la probabilidad a la izquierda del valor de
Z, si se quiere a la derecha de Z, se busca aplicando la regla del complemento,
en smbolos:

P [Z1.00] = 1- P [Z<1] = 1- 0.8413 = 0.1587

Cuando se va a buscar el rea entre dos puntos, se toma el rea mayor y se le

resta el rea menor. En smbolos:
P [-1.00 Z 1.00 ] = 0.8413-0.1587
= 0.6826
Se ha tomado toda el rea a la izquierda de 1.00 y se le resto el rea a la
izquierda de -1.00 y esta diferencia corresponde al rea comprendida entre
-1.00 y 1.00.

Otro ejemplo:
P [Z - 1.58] = 0.0571
Se busca la fila de -1.5 y se cruza con la columna de 08

Z 0,08
-1,5 0,0571
A manera de ejercicio, encuentre las siguientes probabilidades:
a) P [-1.17 Z 1.05 ] = 0.8531 - 0.1210

b) P [ Z 0.58 ] = 1.0 - 0.719 = 0.2810

c) P [-2.17 Z 0.95 ] = 0.8289 0.0150 = 0.8139
d) P [-1.50 Z 2.05 ] = 0.9798 0.0668 = 0.9130
e) P [-0.25 Z 0 ] = 0.5- 0.4013 = 0.0987

Todos los ejercicios anteriores, estuvieron orientados a buscar una

probabilidad conociendo un valor de z o un par de valores de z, pero lo
contrario, es decir teniendo una probabilidad buscar un valor de z o un par de
valores de z, no se ha hecho, Por ejemplo P [z zo] = 0.0250, cul es el valor
de zo?
Para dar contestacin a esta pregunta, se va a la tabla y se busca el rea ms
prxima del valor dado, en este caso 0.0250, al ir a la tabla se encuentre que
este valor coincide exactamente con uno de la tabla y al cual le corresponde un
z1 =-1.96. El valor del rea 0.0250 se encuentra en el cruce de la fila -1.9 con la
columna 06.

Hallar el valor de z0 para:

P [-zo z zo] = 0.95

El rea que da es en el centro de la figura y vale 0.95, por tanto para completar
el rea total falta 0.05. Este faltante, la mitad o sea 0.025 est en la cola
izquierda de la distribucin y la otra mitad en la cola derecha. Por tanto, se
debe buscar el valor de 0.0250 en la tabla y se encuentra al igual que el caso
anterior, z= -1.96. Tambin se puede buscar por 0.975 ya que el rea a la
izquierda de zo es 0.95 + 0.025 = 0.975 e igualmente se encuentra z=1.96. A
manera de ejercicio hallar los valores de zo para los siguientes casos:

a) P [ z zo ] = 0.0668
zo = 1.5

b) P [ z zo ] = 0.10
zo = -1.28

c) P [ z zo ] = 0.15
zo = -1.04

d) P [-zo z zo ] = 0.90
zo = 1.64

e) P [-zo z zo ] = 0.80
zo = 1.28

Resumiendo lo hecho hasta aqu, hemos dicho que para una variable aleatoria
X ~N ( , ), el clculo de la probabilidad es algo complicado y hemos recurrido
a la distribucin normal estandarizada simbolizada por z ~ N (0,1) la cual
facilita la bsqueda de la probabilidad en razn a que ya estn calculadas y
que aparecen en la tabla reas bajo la curva normal estandarizada. Por lo tanto
lo que faltas es relacionar la variable X con la variable z, esta relacin es la
siguiente:

zi =

Esta relacin usualmente se denomina estandarizacin, es decir convertir los xi

en zi para poder buscarlos en la tabla de reas bajo la curva normal
estandarizada.

Ejemplo:
La duracin en horas de cierta marca de bombillos, se considera una variable
aleatoria distribuida normalmente, con una duracin promedio de 1000 horas y
una desviacin estndar de 200 horas. Si se escoge al azar uno de estos
bombillos, cul es la probabilidad de:
a) Tenga una duracin mxima de 800 horas
b) Tenga una duracin entre 600 y 1200 horas
c) Tenga una duracin mnima de 1300
d) Si el fabricante de los bombillos est dispuesto a garantizar hasta el 5%
de la produccin qu tiempo de garanta mximo puede ofrecer?

Solucin:
Los datos del enunciado se pueden simbolizar de la siguiente manera
z ~ N (1000, 200) es decir = 1000 y = 200
a) Probabilidad que un bombillo seleccionado al azar tenga una duracin
mxima de 800 horas.
Esta pregunta en smbolos queda:
P [ x 800 ]
Para resolver esta pregunta, primero se estandariza el valor de xi
entonces

zi = = -1

P [ x 800 ] = P [z -1 ]
Ahora se va a la tabla de reas bajo la curva normal estandarizada y se
busca el rea a la izquierda de -1, la cual es 0.1587.

Z 0,00
-1,0 0,1587

Por lo anterior,
P [x 800] = P [z -1 ] = 0.1587
Es decir la probabilidad que un bombillo escogido al azar dure mximo
800 horas es de 0.1587. Este resultado tambin se puede interpretar
 diciendo que el 15.87% de los bombillos tiene una duracin mxima de
800 horas.

b) Probabilidad que tenga una duracin entre 600 y 1200 horas.

Esta pregunta en smbolos queda
P [600 x 1200 ]
Ahora se procede a estandarizar los xi:

zi = =-2

zi =1

entonces se tiene que:

P [600 x 1200] = P [-2 z 1]

Y ahora se busca en la tabla las reas a la izquierda de 1 que es 0.8413

y a la izquierda de -2 que es 0.0228

Quedando

P [600 x 1200 ] = P [-2 z 1 ] = 0.8413 0.0228

= 0.8185
Es decir la probabilidad que un bombillo tenga una duracin entre 600 y
1200 horas es de 0.8185 o en trminos porcentuales, el 81.85% de los
bombillos tiene una duracin entre 600 y 1200 horas.

c) Probabilidad que tenga una duracin mnima de 1300 horas, en

smbolos:
P [ x 1300 ]

Se estandariza
 Z= = 1.5

Entonces

P [ x 1300 ] = 1 - P [ Z 1.5 ]

El rea que se pide en esta pregunta, est a la derecha de z, por tal

motivo se busca aplicando la regla del complemento, es decir restando a
1 que es la probabilidad total el rea de la izquierda de z que en esta
caso es 0.9332.

P [ x 1300 ] = P [ Z 1.5 ] = 1- 0.9332 = 0.0668

Por lo tanto la probabilidad que un bombillo tenga una duracin mnima

de 1300 horas es de 0.0668 es decir corresponda al 6.68% de los
bombillos.
d) Qu garanta mximo puede ofrecer el fabricante de los bombillos si
solo est dispuesto a garantizar hasta el 5% de los bombillos?
En esta pregunta a diferencia de las anteriores, no piden una
probabilidad, piden un valor de x, dando la probabilidad correspondiente.

La pregunta en smbolos sera

P [ X x0 ] = 0.05
Es decir el 5% de los bombillos estn a la izquierda de x0, qu valor
toma x0?
Lo primero es ir a la tabla y buscar el rea ms prxima, en este caso es
de 0.0505 0.0495 ambas estn a igual distancia, se podra tomar
cualquiera, escogemos el 0.0505 al cual le corresponde z= -1.64.

Ahora reemplazamos en la ecuacin de estandarizacin

 zi = entonces

1.64 =

Por tanto x0 = -1.64x200 + 1000

x0 = 672

es decir el fabricante puede ofrecer una garanta hasta de 672 horas

para solo tener que reemplazar hasta el 5% de los bombillos.

Ejemplo:
La estatura de los estudiantes se considera una variable aleatoria distribuida
normalmente con media de 1.75 metros y desviacin estndar de 5
centmetros, Si al 10 % de los estudiantes, los ms altos , se les convoca para
pertenecer al equipo de basquetbol, Cul es la estatura mnima que debe
tener un estudiante para ser convocado a pertenecer al equipo de basquetbol?

Solucin:
Se tiene que x, la estatura de los estudiantes, sigue una distribucin normal
entonces x ~ N (1.75, 0.05), la media se dio en metros y la desviacin estndar
en centmetros, entonces se convirti a metros la deviacin estndar, para
trabajar todo en metros, se podra tambin trabajar todo en centmetros.
La pregunta formulada en smbolos sera:

P [ x x0 ] = 0.10

Como se pide, mayor que, se tiene un rea a la derecha de x0 y dicha reas es

de 0.10, por tanto se va a la tabla y se busca 1-0.10 = 0.90, ya que la tabla da
las reas a la izquierda de z, en este caso el rea ms prxima es 0.8997 a la
cul corresponde z= 1.28.

Entonces se tiene que

Z = por tanto

1.28 =

= 1.28 x 0.05 + 1.75 = 1.814

La estatura mnima para ser convocado al equipo de basquetbol es de 1.814

metros.

Ejemplo:
Un dispensador de gaseosas est calibrado para servir 12 onzas, con una
desviacin estndar de 0.5 onzas. Si la cantidad dispensada sigue una
distribucin aproximadamente normal
a) Cul es la probabilidad que el prximo vaso servido tenga entre 11.5 y
12.5 onzas?
b) Cul es la probabilidad que el prximo vaso servido tenga por lo menos
13 onzas?
c) Cul es la probabilidad que el prximo vaso servido tenga mximo 11
onzas?
d) Entre cuntas onzas estar el 90 % de los vasos servidos.

Solucin:
La cantidad de lquido dispensado es nuestra variable x, la cual sigue una
distribucin aproximadamente normal con media de 12 onzas y desviacin
estndar de 0.5 onzas. En smbolos x ~ N (12, 0.5)

a) En smbolos la preguntas es:

P [11.5 x 12.5]

Estandarizando
Z = = -1

Z= =1

Por tanto
P [11.5 x 12.5] = P [-1 x 1 ]

Buscando el rea en la tabla se tiene que a la izquierda de 1 es 0.8413 y

a la izquierda de -1 es 0.1587 entonces

P [11.5 x 12.5] = P [-1 x 1] = 0.8413- 0.1587

= 0.6826
La probabilidad que el contenido del prximo vaso oscile entre 11.5 y
12.5 onzas es de 0.6826 el 68.26% de los vaso servidos tendra un
contenido entre 11.5 y 12.5 onzas.

b) En smbolos la pregunta es
P [x 13 ]

Estandarizando

Z = 2

entonces

P [ x 13 ] = P[ Z 2 ] = 1- P [ z 2 ]
Se pregunta por un rea al lado derecho de z, por tanto se saca por
complemento es decir a 1 se le resta el rea al lado izquierdo de 2 que
es 0.9772 por tanto.

P [x 13 ] = 1 -P [ z 2 ] = 1-0.9772 = 0.0228
La probabilidad que el prximo vaso servido contenga por lo menos 13
onzas es de 0.0228, o dicho en trminos porcentuales, el 2.28% de los
vasos contendr por lo menos 13 onzas.
c) En smbolos la pregunta es
P [x 11 ]
Estandarizando

z= =-2

entonces

P [x 11 ] = P [ x -2 ]
Buscando en la tabla, el rea a la izquierda de -2 es 0.0228 entonces

P [x 11] = P [ x -2 ] = 0.0228

d) En smbolos la pregunta queda:

e) P [x1 x x2 ] = 0.90
Como en el centro est 0.9 en cada cola est 0.05, se divide por igual el
rea complementaria a 0.9.
Al ir a la tabla, se busca el rea ms prxima a 0.05 para encontrar el
valor de z1, esa rea es 0.0505 a la que corresponde
z1 = -1.64
Por simetra se puede concluir que z2 = 1.64 pero tambin se puede
buscar z2, teniendo en cuenta que a la izquierda de z2 est un rea igual
a 0.90 + 0.05 es decir 0.95, en la tabla el rea ms prxima a 0.95 es
0.9495 a la que corresponde z = 1.64

Reemplazando en la ecuacin de estandarizacin se tiene:

-1.64 =

X1 = -1.64X 0.5 +12 = 11.18

x2 12
1.64 =
0.5

X2 = 1.64X 0.5 + 12 = 12.83

 Por tanto, el 90% de los vasos servidos tiene un contenido entre 11,18 y
12.82 onzas.

APROXIMACIN NORMAL A LA BINOMIAL

Cuando una variable aleatoria X sigue una distribucin binomial, X ~ b(n, p), en
donde n tiende a ser grande y p tiende a un medio, 0.5, entonces, se puede
aproximar esta distribucin binomial mediante una distribucin normal,
igualando sus medias y desviaciones estndar.

= np y = np 1 p . Por tanto la aproximacin normal a la binomial se

puede simbolizar por X ~ N (np, np 1 p ).

Sin embargo vale la pena recordar que una variable con distribucin binomial
es una variable discreta, mientras que una variable con distribucin normal es
una variable continua, por tanto se est aproximando una variable discreta
mediante una variable continua, lo cual implica que un punto en la discreta, se
aproxime con intervalo en la continua. Por este motivo se emplea lo que
comnmente se denomina factor de correccin por continuidad, que es
igual a = 0.5
Si en la variable discreta, se pregunta por P[X=6], esta pregunta quedara en
trminos de variable continua en P[5.5X6.5]. Es decir el punto se convierte
en un intervalo, para lo cual se le resta y se le suma el factor de correccin por
continuidad, 0.5
En la siguiente tabla se presentan varios casos para mostrar como se emplea
el factor de correccin por continuidad
Caso D. Binomial D. Normal
1 P[X=6] P[5.5X6.5]
2 P[X8] P[X8.5]
3 P[X<8] P[X7.5]
4 P{X8] P[X7.5]
5 P[X>8] P[X>8.5]
6 P[5X9] P[4.5X9.5]
7 P[5<X<9] P[5.5<X<8.5]

En las variables aleatorias discretas, es diferente decir mayor o igual () a decir

estrictamente mayor (>), cuando se coloca el igual, se involucra el nmero,
cuando es mayor o menor, no se cuenta el nmero. La anterior es la razn por
la cual el factor de correccin por continuidad a veces se suma o a veces se
resta, como en los casos 4 y 5 de la tabla anterior
Igualmente se debe tener en cuenta que en las variables aleatorias continuas,
la probabilidad es el rea bajo la curva en el intervalo de integracin, por tanto
la probabilidad en un punto es siempre igual a cero, P[X=x0] = 0. La simbologa
de menor igual () de mayor igual () en las variables aleatorias continuas,
para el clculo de la probabilidad, algo terico, ya que la probabilidad en el
punto igual vale cero.

Ejemplo
Sea X una variable aleatoria discreta con distribucin binomial de parmetros
n=50 y p=0.4. X ~ b(50, 0.4) Calcular la probabilidad de P[X=24]
50
P[X=24] = 0.4240.626 0.0584
24
Ahora, este mismo clculo se puede aproximar por la normal.
=np, entonces =(50)(0.4)=20
np(1 p) (50)(0.4)(1 0.4) 3.4641
Entonces X ~ N(5, 3.4641)
P[X=24] = P[23.5X24.5] = P[1.01 Z 1.30] = 0.9032 0.8438 = 0.0594
Se puede observar que la aproximacin es bastante buena, 0.0584 y 0.0594.